谷歌OKF正式开源：AI时代的“知识版Git”，开发者早看早受益

在企业AI应用落地过程中，一个被普遍忽视的核心问题正在浮出水面：大多数企业并不缺数据，真正缺的是能让AI直接使用的知识。当团队成员向AI助手询问一些基础但关键的问题——比如某个Kafka Topic里存了什么数据、某项业务指标如何计算、故障恢复的流程是什么——AI往往答非所问或直接表示不知道。这不是模型能力不足，而是AI缺乏获取「上下文」的途径。这些信息其实都存在，只是散落在Confluence、Notion、数据目录、Git仓库、运维手册，甚至资深工程师的脑海里。

OKF：极简而强大的开放知识格式

过去一年，技术社区出现了一个有趣的趋势：许多团队开始在代码仓库中放置大量Markdown文件，如AGENTS.md、ARCHITECTURE.md、RUNBOOKS等，试图为AI助手构建「共享记忆」。这种思路本质上是创建一个「LLM Wiki」——用人类和AI都能理解的格式存储知识。但问题在于，每家公司的实现方式各不相同：目录结构、元数据格式、命名规则完全不兼容，导致知识无法跨团队、跨工具流动。

核心设计原则：简单即力量

谷歌近日开源的Open Knowledge Format（OKF，开放知识格式）正是为了解决这一痛点。OKF的定位极其明确：它不是数据库、不是运行时环境、不是SDK，也不是专有存储引擎——它只是一套规范，告诉我们如何用Markdown加YAML来组织知识。 一份OKF文档由两部分组成：文件开头的YAML元数据区域，使用type、title、description等字段描述概念的基本属性；以及后面的Markdown正文，用来详细阐述概念的用途、数据结构、使用示例等细节。

OKF与MCP：互补而非竞争

OKF的设计理念体现了三个核心原则： 第一，极简约束（Minimally Opinionated）。OKF只规定了最小的互操作边界，不强制任何分类法、业务模型或存储方式，给予使用者最大的灵活性。 第二，生产者与消费者彻底分离。文档创建者（可以是人类、数据目录系统、AI自动生成工具）和消费者（AI助手、搜索引擎、可视化工具、知识图谱）完全解耦，互不依赖，各自独立演进——格式本身成为唯一的契约。 第三，也是最关键的一点：OKF是格式而非平台。它是开放的、厂商中立的、工具无关的，价值来自被广泛采用，而非被某一方「拥有」。

对开发者的实际价值

很多人会将OKF与MCP（Model Context Protocol）进行对比。MCP标准化的是「代理→工具」的交互，例如调用数据库、GitHub、AWS等外部系统；而OKF标准化的是「知识→代理」的输入，包括运维手册、数据目录、指标定义、API架构等上下文信息。打个比方：MCP相当于AI的「动作」，OKF相当于AI的「上下文」——两者在AI系统中各司其职，缺一不可。

如有侵权，请联系删除。